KimiK3深度解读对AI产业链的影响20260719

00:00:00 及观点构成投资建议，请所有参会人员分别阅从相关页面展示的完整点的声明。未经华泰证券及参会嘉宾事先书面许可，任何机构和个人不得以任何形式，将会音内容及相关录音教程文件进行转发、转载、传播、复制、编辑、修改等。如有上述行为，我们将保留一切法律权利。感谢您的理解和支持。下面有请主讲老师开始发言，谢谢。 00:00:28 嗯，好的，呃，各位领导，这个。对大家晚上好。呃，那今天呢，我们继续在9点钟给大家汇报一下这个比赛最新的一个观点。然后现在就是这最近这几天，最大家的这个关注度最高的可能莫过于这个K米K3的一个发布。那我们借着这个机会呢，包括我们上呃上周的话，其实也对模型的这个其他的一些进展也做了一些，做了一个这个汇报，那我们今天继续就是针对这个Kimi K3,包括我们Kimi K3. 00:01:02 对整个模型的格局，以及说对其他产业链，就是算力包括应用都会有哪些方面的影响？ 00:01:10 呃，以及我们现在最新的观点来做一个汇报。呃，那首先的话我们可以看一下就是我们现在的一些核心的观点吧，就是对于对于大模型来说的话，这次KVK3发布呢，呃2.8万亿参数。呃，那带来的这个效果的一个大就是性能呃模型效果的一个大幅大幅提升，那至少包括最呃今天下午呢那个质谱也开了一个电话会。 00:01:36 其实核心一个观点是什么呢？就是现在模型的制定落是远没有结束的那无论是更大的参数量。来实施更多更好的数据，以及说这种AI与外界交互的这样一些环境，以及说这个呃强化学习的一个呃scaling，就是AI让AI思考更长的时间，以及说更高效的这样这样一些infra，它在多个维度上都还在持续地去这个推进。 00:02:06 所以这是第一个我觉得想想说的。呃，这个观点第二个呢就是呃对于开源模型来说，就是 这次K3发布以后呢， 00:02:15 对于这个首先我觉得对我们对于模型的影响分两分两个，首先说对于其他的开源模型来说，肯定会进一步的加剧这个。内卷的程度吧，呃，所以就是这是一个第二个呢就是呃非常明显的就是开源模型，国产的国内的这些开源模型现在就是参数量都在大幅的提升，这个参数量这个趋势是非常确定的， 00:02:42 那本来之前其实这个。我们看一下这个啊，就是本来之前这个最大的参数就是DeepSeek，大概是1.6T的11.6万亿参数，呃，然后到这个。然后就是后来这个质谱5.2，当时其实它只有7440，就是7440亿存储就呃接近万亿吧，不到万亿。 00:03:06 呃然后Kimi这次K3呢是2.8T，那今天下午的时候这个千问3.8也在也官宣这个它的预览版，然后这个参数量是2.4T，就2.4万亿。那呃根据今天下午这个质谱汇报的，它的下一代就是除了比如说我们现在只有质谱5.2对吧，除了5.3可能还是小版本迭代之外，呃再下一代大的版本迭代的话，就是它基于全新的架构模型，然后公司的官方口径是。也会比这个质服5就是GLM5，它会呃这个参数量会大得多，所以呃， 00:03:48 然后还有就是什么明白。呃，可能在九十月份也会发他的下一个呃下一个更就是也是两三万亿，两三万亿参数量的这么一个旗舰模型，所以就能看出来是什么呢？就是呃以前国产模型其实都是万亿以内的参数啊，现在基本上是新发的这些模型肯定都是在两三万亿的这么一个，就基本上就是往两三万亿这个参数量去走了那。 00:04:21 国外的模型比如说这个officepo44.4.6吧，虽哎虽然说他们现在其实是没有公海外的几些几个模型，没有公布他们的总参数量啊，但是呃从之前了解到的一些产业信息来看的话，像之前office4.54.6可能在5万亿参数。那Facebook现在的这个Facebook包括什么GPT，呃这个5.6，这些肯定都是在至少肯定是在5~10万里产出这个区间的。 00:04:49 所以呢从从参数量上来看的话，国内的开源模型，国内的模型和这个海外海外顶尖模型肯 定还是有差距的，但是在国产模型的这个参数量啊往大了走，这个肯定是一个非常确定的趋势。 00:05:04 那第2个呢，就是对于闭源模型来说会有呃这穿越模型，我觉得可以再多说一点，是什么呢？就是呃。就是最近这个大家也看到说这个政府的股价是有所压力的啊。那这里面的话，我觉得呃，我们客观上来讲就是模型的竞争肯定是在加剧的，这个我觉得呃股价就是智谱和MiniMax他们的股价就是有所反应。我觉得是正常的。呃， 00:05:33 第二个呢，就是其实从后面待会待会儿我们也会讲到，就是从这个大家这几天对第3的一个测试来说，呃Kimi的T3，呃这个叫什么性价价比其实。不是很高，应该说或者说它的成它的成本还是挺高的，所以在实际的影响当中，可能不见得说真的对啊质谱或者对对质谱会造成啊，像国家反应这么大的影响，我觉得这是这是就是呃这是一个可能要呃要要说明一点的。 00:06:08 然后好，那第二个就是我们说对地缘海外的地缘模型的这样一个影响，那短期呢肯定是有是有压力的。非常典型的就是之前这个飞鹤舞，就是最近飞过5之前是没有，是不在他们的这个不在这个cloud的订阅的这个会员会员里面，呃不在他的订阅的这个会员这个计划里边。但是现在呢，这个飞豹5呢已经开始呃永久性的在7月20号开始，永久性的纳入到他的max和这个team的这个。 00:06:41 订阅的这个计划里面，所以就是说这些海外的地地源模型旗舰模型，它是面临着这么一些地。 00:06:50 呃，这个叫什么竞争的压力的那这个背后核心是伴随着什么呢？核心是伴随着海外的这种呃企业的AI需求。 00:06:59 从原来的这个从我们说啊三四月份以前呃这种token maing的这种趋势，现在转向的是什么呢？叫To找token优化，或者是token token优化的这么一，就是我们要去追求整个 token使用使用的这么一个价值最大化，所以这是背后。背后是这么一个事的这个叙事是在的，那但是你说是不是T3就能够颠覆掉，或者说就是能够非常极大的冲击这个海外地源模型的这个优势？ 00:07:31 呃，我们觉得短期肯定还不会，因为核心是什么呢？核心还是在于说，呃，现在就是对于无论对于S的来说还是O三来说，就是它的能力，就是它的这个护城河不仅仅只是只是是它的模型强。比如说还更在于比如说它的cloud code和这个呃codex，他们的产品力也很强。呃所以这个呢，就是说它整体的产品层模型层能力，和整个的这这个持续迭代的这个能力，还是整个它是个系统性的一个优势。所以说就是短期是有因呃对它的价格机制有压力，但是中长期这个闭源期，海外的闭源旗舰模型仍然还是有这个系统性的这个优势的。 00:08:16 当然就是说呃，也有一些传闻说open和P内部也在去训，就是也也有这种比较更加先进的这些模型的这个呃checkpoints。所以这个如果未来他们再推出新的ma，那有可能就是对吧，这个差距有可能是会拉大。这个当然这个我们要跟踪后续他们的一个进展，所以这是对边源模型的影响。 00:08:40 那最终的话，我觉得呃，其实从从这个这几天大家测评的反馈的效果反馈的一个结果来说，普遍的反馈结果是是什么呢？就是哎好用是好用的，但是它其实也挺贵的。就是第三呢并不便宜，所以呢就是说我们说累吧。 00:09:00 真正的就能够从这里层胜出的这个大模型一定是什么呢？我的单位成本。我的智能密度最高。那这种厂商肯定会。会胜出。就是说不是说你的token价格低啊，那那我觉得你性价比就便宜，我也不是说你的这个对吧，智力水平越高就越便宜，就是性价比越高，我们还是要算一个就是单位成本的这个智能密度。所以这是这个，那呃那就接着上来的， 00:09:30 那对比如说对于这种海外的旗舰模型，真正能够产生冲击的是什么呢？比如说我们说后面突然又出来一个新的新一代的开源，开源的这个这个旗舰模型，开源的这种前沿的模型，它的token就是。呃，智能水平接近且接近闭源的顶尖模型，然后它的这个价格也比较 低，投客效率也比较高。 00:09:54 如果有出现这个东西，那可能就是真的会产生实质性的影响。所以这是一个第二个呢，当然还有比如说呃前面这个Meta也好，包括xAI出的block4.5也好，呃，当然这个block这个马斯克也说他们的4.6也都已经在出了。 00:10:10 所以这些垂直就是说既有算力又有模型又有应用，整个生生应用生态的这种垂直的一体化的巨头， 00:10:19 如果说它能够在一些成本就是性价比上。能够实现一个最优解的话，那那可能对这个企业对投的opena和安呢，它也会是一个比较大就是构成一个比较大的竞争压力吧。所以这是对模我觉得对模型的这么一个影响，就是结论性的呃影响的一个结论。 00:10:41 那对算力和应用的影响又是什么呢？就是我觉得Kimi K3有几个点，首先呢就是呃。首先我觉得就是C没有结束，所以训练算力的需求仍然还是会持续增长的。第二个呢，K3的这种采就是参数现在以后的这个模型的参数规模在持续扩大，所以对显对HBM包包括代发啊这些集群的通信肯定要求是持续的提高的。那长城的Agent和1兆上下文，以及说未来可能到是不是到现在是1兆，那未来是不是会进化到500兆啊？不是不是5兆，就是500万token的这种上下文，就是这个上下文窗口可能会越来越高，那会显著增加这个推理测的一个消耗。 00:11:24 那第三个呢，就是我们觉得K3的开放的话，对这个云厂商会构成一个利好，所以这是对算力的一个呃影响的结论。 00:11:34 那对应用来说的话，其实这个呢，核心还是什么？就是核心还是开源模型崛起之后，整个模型厂商整个加竞争肯定是加剧的，那我们一定会伴随的是单位智能的这种推理成本是持续在下降的。那呃，就是模型测竞争得越厉害。那对下游的应用侧来应用厂商来说，肯定是就是就是利好的，所以这个是一个。呃，这个是一个就是对应用， 00:12:04 但是应用应用的话，这个也是老生常谈的问题了。因为虽然空间很好，但是呢竞争很激烈，我们现在格局也远远未定，所以这一块儿的话，就是我们的策略仍然还是我们只投跑出来的公司。所以这个是我们先，我先把这个就是我们现在这次的一个核心的观点，先跟各位领导汇报一下。呃，对这个呃那那我们接下来就是我们可以稍微展开一下，首先就是说这个参量的提升这个事情啊，这个其实刚才也讲得相对比较详细了。那我觉得可以， 00:12:36 大家可能过两天可以测一测这个千问3.8的这个max的这个版本，到底跟K3相比对吧，到底是一个什么样的情况呃。对，这是这是阿里的这个，然后智谱今天下午今天下午这个也开了一个会。然后他这里面最核心的一个点想说的是什么呢？就是他们的这个，就是首先从质谱的55.15.2到到后面的5.3那么。 00:13:06 他们做的事情就是的东西是什么？第一更好的预训练的流程，然后更多更高更多更高质量的数据，然后这个呃A的这种强化习，以及长城任务和一道上上下文的这么一个呃工程优化，所以这些呢其实是已经验证了，然后市场就是现在产业内都在用这些方法在做的。 00:13:29 那第二个呢，就是呃展望未来，其实还是我们最开始说的这个森law，不仅仅是呃参数量数据环境强化学习和infra这些都还在，都还在这个持续的这个定啊，所以这个还是啊还在。所以就是说智普之前提出来的一个摸高计划，其实就是说核心还是要追求这个智能的上节，那这里面就是说涉及到的一些前沿的一些训练方，就是迭代方向的话，一个是像这种长城自制系统的一个演进，还有这个自我训自我训练。 00:14:05 这个自我训练呢可能可以需要可以多说一下，就是说现在模型厂商的就是之前我们提过一个观点，就是模型厂商的coding能力越强。它自我迭代的就是模型自我迭代的速度就越快，所以呢这个就是比如假设我们说安roic或者OpenAI，或者这个呃国内之前的这个质谱。他们的因为coding能力很强，所以他们的模型自己在迭代的时候，它的迭代效率就会更高。那这个其实是他们这些领先厂商的一个先发优势